باحثون يطورون نظام ذكاء اصطناعي يتحقق من استنتاجاته لتعزيز الاكتشاف العلمي

تُستخدم وكلاء الذكاء الاصطناعي بشكل متكرر للبحث عن براهين رياضية معقدة أو برامج حاسوبية. وتتمثل المشكلة الشائعة في أن هذه الأنظمة غالباً ما تعطي الأولوية لنتائج الاختبارات دون التحقق مما إذا كانت تلك النتائج سليمة فعلاً. قد يؤدي هذا إلى اعتبار ادعاءات ضعيفة على أنها إنجازات حقيقية.

قدم فريق من الباحثين معمارية EPOCH، وهي مصممة لإضفاء دقة أكبر على عملية الاكتشاف هذه. بدلاً من السعي الأعمى وراء النتائج، تستخدم EPOCH نظاماً لحوكمة الأدلة. يتضمن ذلك قواعد واضحة لتقييم المهام، وذاكرة منظمة للمعلومات، وإجراءات نشطة لنقض الفرضيات لاختبار متانة الادعاءات.

تخيل أنك طلبت من ذكاء اصطناعي حل لغز رياضي صعب. بدلاً من قبول الإجابة الأولى التي تجتاز اختباراً سريعاً، يقوم الوكيل الآن بإعادة تشغيل عمله بشكل مستقل. وهو يتحقق مما إذا كانت الأدلة الأساسية تدعم النتيجة النهائية حقاً.

في الاختبارات، أظهرت EPOCH أداءً قوياً عبر عدة معايير قياسية. ففي مجموعة AlgoTune، حقق النظام درجة متوسطة معيارية بلغت 0.65، مقارنة بـ 0.53 للنموذج السابق. كما حقق أعلى درجة في مجموعة مسائل Math14.

هذه التحسينات تعني أن الوكيل يمكنه إنتاج خوارزميات أفضل ونتائج رياضية موثوقة. إنه يحول عملية البحث التقليدية إلى نهج علمي أكثر هيكلية. من الجيد رؤية برمجيات تعترف أخيراً عندما تكون مخطئة، أليس كذلك؟

على الرغم من هذه المكاسب، لا تزال المعمارية مقتصرة على المجالات الرياضية والحسابية المحددة التي اختُبرت فيها. لا يوضح البحث كيف سيكون أداء هذه الأساليب في بيئات العالم الحقيقي الأوسع والأقل تنظيماً.